শক্তিবৃদ্ধি শেখা বিপণনে একটি দুর্দান্ত গতিশীল স্পিন দিতে পারে

কন্টেন্ট

• শক্তিবৃদ্ধি শিক্ষা কি?
• কোনও বাগ নেই, কোনও স্ট্রেস নেই - আপনার জীবনকে বিনষ্ট না করে জীবন-পরিবর্তনশীল সফটওয়্যার তৈরির ধাপে গাইড আপনার ধাপ
• বিপণনকারীদের জন্য মেশিন
• শীঘ্রই আসছে
• বড় ভাবছে
• দত্তক নেওয়ার পথ

সূত্র: জুলিয়াতিমচেনকো / ড্রিমসটাইম ডটকম

ছাড়াইয়া লত্তয়া:

শক্তিবৃদ্ধি শেখা কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিংয়ের একটি উপসেট যা ফলাফলগুলি পূর্বাভাস দিতে এবং ব্যবহারকারীদের আরও ভাল সিদ্ধান্ত নিতে সহায়তা করতে পারে।

ক্রমবর্ধমান প্রতিযোগিতামূলক বিপণনের অবস্থার একটি কিনারা অর্জনের চেষ্টা করার সময় বিপণনকারীরা ক্রমাগত স্কেলযোগ্য এবং বুদ্ধিমান সমাধানের সন্ধান করছেন। এতে কোনও আশ্চর্যের বিষয় নয় যে কৃত্রিম বুদ্ধিমত্তা (এআই) এবং মেশিন লার্নিং (এমএল) এখন ব্র্যান্ড এবং তাদের বিপণন সংস্থাগুলি দ্বারা ম্যাসেজ হিসাবে গ্রহণ করা হচ্ছে। (এমএল এর বেসিকগুলি সম্পর্কে আরও জানতে, 101 মেশিন লার্নিং পরীক্ষা করে দেখুন))

অবিচ্ছিন্নতার জন্য, এআই সাধারণত একটি প্রযুক্তি হিসাবে বিবেচনা করা যেতে পারে যখন কোনও কম্পিউটার অন্য কোনও কাজ দ্বারা নির্ধারিত কাজগুলিকে স্বয়ংক্রিয় করে তোলে। মেশিন লার্নিং, এআই-র মধ্যে একটি কার্যকরী অঞ্চল হিসাবে, যখন কোনও কম্পিউটারকে শেষ লক্ষ্য দেওয়া হয়, তবে তার নিজের থেকে সেরা রুটটি গণনা করা প্রয়োজন।

আজ, আমরা বিজ্ঞাপনগুলি জালিয়াতি সনাক্তকরণ, ভোক্তাদের আচরণের পূর্বাভাস, সুপারিশ সিস্টেম, সৃজনশীল ব্যক্তিগতকরণ এবং আরও অনেকগুলি বিপণনের অনেকগুলি ক্ষেত্র জুড়ে এই প্রযুক্তিগুলি - বিশেষত মেশিন লার্নিং - দেখছি।

যদিও এটি বেশ ভাল এবং ভাল, সেখানে একটি নতুন অফশুট প্রযুক্তি রয়েছে যা বিপণনকারীদের জন্য মেশিন লার্নিংয়ের যে চাহিদা তৈরি করছে তা সত্যই সরবরাহ করতে চলেছে। একে বলা হয় "রিইনফোর্সমেন্ট লার্নিং" (আরএল)।

শক্তিবৃদ্ধি শিক্ষা কি?

এমএল থেকে আরএল পদক্ষেপ পরিবর্তন কেবল একটি চিঠির চেয়ে বেশি। বেশিরভাগ টাস্কগুলিতে একটি পদক্ষেপ ব্যবহার করা জড়িত যেমন, "এই চিত্রটি চিহ্নিত করুন", "বইয়ের বিষয়বস্তু বুঝতে" বা "জালিয়াতি ধরুন” "বিপণনকারীর জন্য," ব্যবহারকারীদের আকর্ষণ, ধরে রাখা এবং জড়িত করা "এর মতো একটি ব্যবসায়িক লক্ষ্য is সহজাতভাবে একটি বহু-পদক্ষেপ এবং দীর্ঘমেয়াদী এক, মেশিন লার্নিং দিয়ে সহজেই অর্জিত হয় না।

এখান থেকেই শক্তিবৃদ্ধি শেখা আসে R আরএল অ্যালগরিদমগুলি একটি উদ্ঘাটনযোগ্য এবং সর্বদা পরিবর্তনশীল যাত্রার জন্য অনুকূলকরণ সম্পর্কে are যেখানে গতিশীল সমস্যা দেখা দেয়। প্রতিটি অনুমানের ফলাফল গণনা করার জন্য একটি গাণিতিক "পুরষ্কার ফাংশন" নিযুক্ত করে, আরএল ভবিষ্যতে দেখতে পারে এবং সঠিক কল করতে পারে।

আজ, গেমস এবং স্ব-ড্রাইভিং গাড়িগুলিতে এই কাটিং-এজ প্রযুক্তির সেরা প্রতিমূর্তি দেখা যায়। গত বছর যখন গুগলের আলফাগো সিস্টেম বোর্ড গেমের বিশ্বের সেরা খেলোয়াড়কে পরাজিত করেছিল, তখন তাদের গোপন সস ছিল পুনর্বহাল শেখা। গেমসগুলি নিয়মগুলি নির্ধারণ করে নিলে, বোর্ডের রাজ্যের উপর ভিত্তি করে বিজয়ী পথে যাওয়ার জন্য কোনও খেলোয়াড়ের বিকল্প গতিশীলভাবে পরিবর্তিত হয়। শক্তিবৃদ্ধি শেখার সাথে, সিস্টেমটি প্রতিটি পরবর্তী পদক্ষেপের ভিত্তিতে পরিবর্তিত হতে পারে এমন সমস্ত সম্ভাব্য ক্রয়ের জন্য অ্যাকাউন্ট করে।

একইভাবে, একটি স্ব-ড্রাইভিং গাড়ি একটি যাত্রায় যায় যেখানে রাস্তার নিয়ম এবং গন্তব্যের অবস্থান স্থির থাকে তবে পথের চলকগুলি - পথচারী থেকে রাস্তা ব্লক থেকে সাইকেল চালক পর্যন্ত - গতিময় পরিবর্তন হয়। এজন্য টেসলার ইলন মাস্ক দ্বারা প্রতিষ্ঠিত সংস্থা ওপেনএআইআই তার যানবাহনের জন্য উন্নত আরএল অ্যালগরিদম নিয়োগ করে।

কোনও বাগ নেই, কোনও স্ট্রেস নেই - আপনার জীবনকে বিনষ্ট না করে জীবন-পরিবর্তনশীল সফটওয়্যার তৈরির ধাপে গাইড আপনার ধাপ

কেউ যখন সফ্টওয়্যার মানের সম্পর্কে চিন্তা করে না তখন আপনি আপনার প্রোগ্রামিং দক্ষতা উন্নত করতে পারবেন না।

বিপণনকারীদের জন্য মেশিন

বিপণনকারীদের জন্য এর অর্থ কী?

অনেক বিপণনকারীর মূল চ্যালেঞ্জগুলি ব্যবসায়ের পরিস্থিতি সর্বদা পরিবর্তিত হয় তা দ্বারা তৈরি করা হয়। একটি বিজয়ী প্রচারণার কৌশল সময়ের সাথে সাথে অপ্রতিরোধ্য হয়ে উঠতে পারে, যখন একটি পুরানো কৌশল নতুন ট্র্যাকশন অর্জন করতে পারে। আরএল হ'ল সত্যিকারের বুদ্ধি নকল করার এক ধাপ যেখানে আমরা একাধিক ফলাফলের সাফল্য এবং / অথবা ব্যর্থতা থেকে শিখি এবং ভবিষ্যতের একটি বিজয়ী কৌশল গঠন করি। আমাকে কিছু উদাহরণ দিতে:

1. ব্যবহারকারীর প্রবৃত্তি বৃদ্ধি

রেস্তোঁরা চেইনের জন্য গ্রাহকবৃত্তির ব্যস্ততার উপর নজর দেওয়া যাক এবং পরের বছরে এটি দশগুণ করার লক্ষ্য। আজ, কোনও বিপণনের প্রচারে কোনও ছাড়ের অফার সহ জন্মদিনের শুভেচ্ছা জানানো হতে পারে, এমনকি খাবারের পছন্দগুলির উপর ভিত্তি করে। এটি লিনিয়ার চিন্তাভাবনা যেখানে বিপণনকারী একটি সূচনা এবং শেষ পয়েন্টকে সংজ্ঞায়িত করেছে।

একটি ব্যস্ত বিশ্বে গ্রাহকদের জীবন ক্রমাগত রিয়েল-টাইমে পরিবর্তিত হয় - কখনও কখনও তারা বেশি ব্যস্ত থাকে, কখনও কখনও কম। শক্তিবৃদ্ধি শেখার ক্ষেত্রে, একটি সিস্টেম ক্রমাগত পুনরুদ্ধার করবে যে কোন কৌশলটি বিপণনের অস্ত্রাগারগুলিতে, যে কোনও মুহুর্তে, প্রাপককে 10x জড়িত থাকার চূড়ান্ত লক্ষ্যের দিকে পরিচালিত করার সর্বোত্তম সম্ভাবনা।

২. গতিশীল বাজেট বরাদ্দ

এখন এমন একটি বিজ্ঞাপনের দৃশ্যের কল্পনা করুন যাতে আপনার এক মিলিয়ন ডলার বাজেট রয়েছে এবং মাসের শেষ না হওয়া পর্যন্ত প্রতিদিন কিছু ব্যয় করা দরকার, চারটি বিভিন্ন চ্যানেল জুড়ে বরাদ্দ করা হয়েছে: টিভি, আনুগত্য প্রচার এবং গুগল। আপনি কীভাবে নিশ্চিত করতে পারেন যে আপনি সবচেয়ে অনুকূল উপায়ে বাজেট ব্যয় করছেন? উত্তরটি দিন, টার্গেট ব্যবহারকারী, ইনভেন্টরি দাম এবং অন্যান্য অনেক কারণের উপর নির্ভর করে।

শক্তিবৃদ্ধি শেখার ক্ষেত্রে, অ্যালগরিদমগুলি spendingতিহাসিক বিজ্ঞাপন ফলাফলের ডেটা ব্যবহার করে নির্দিষ্ট পুরষ্কারের ফাংশনগুলি লিখবে যা নির্দিষ্ট ব্যয়ের সিদ্ধান্তের স্কোর করে। তবে এটি মূল্যনির্ধারণের মতো বাস্তব লক্ষ্যবস্তু এবং লক্ষ্য দর্শকের সদস্যের কাছ থেকে ইতিবাচক সংবর্ধনার সম্ভাবনার জন্যও অ্যাকাউন্ট করে। পুনরাবৃত্তি শেখার মাধ্যমে, পুরো মাস জুড়ে বিজ্ঞাপন ব্যয়ের বরাদ্দ গতিশীলভাবে পরিবর্তিত হত। যদিও চূড়ান্ত লক্ষ্য নির্ধারণ করা হয়েছে, আরএল সমস্ত পরিস্থিতিতে মাধ্যমে বাজেটকে সর্বোত্তম উপায়ে বরাদ্দ করবে। (বিপণনে এআই সম্পর্কিত আরও তথ্যের জন্য দেখুন কীভাবে কৃত্রিম বুদ্ধিমত্তা বিক্রয় শিল্পে বিপ্লব আনবে))

শীঘ্রই আসছে

শক্তিবৃদ্ধি শেখা জটিলতা স্বীকার করে এবং স্বীকৃতি দেয় যে লোকেরা ভিন্নধর্মী এবং এই সত্যগুলির জন্য অ্যাকাউন্ট করে, আপনার গেম বোর্ডের টুকরোগুলি এর চারপাশে পরিবর্তিত হওয়ার সাথে সাথে প্রতিটি পরবর্তী ক্রিয়াকে উন্নত করে।

শক্তিবৃদ্ধি শেখা এখনও মূলত গবেষণা প্রকল্প এবং শীর্ষস্থানীয় গ্রহণকারীদের সংরক্ষণ করে। গণিত ধারণা এবং কৌশল প্রায় 40 বছরেরও বেশি সময় ধরে চলেছে, তবে তিনটি প্রবণতার জন্য অপেক্ষাকৃত সাম্প্রতিককাল পর্যন্ত মোতায়েনের পক্ষে সম্ভব হয়নি:

1. উচ্চ-শক্তিযুক্ত গ্রাফিক্স প্রসেসিং ইউনিট (জিপিইউ) এর মাধ্যমে কম্পিউটিং পাওয়ারের বিস্তার।
   
   
2. ক্লাউড কম্পিউটিং উচ্চ জিপিউগুলি নিজেই জিপিইউগুলি কেনার ব্যয়ের একটি অংশে উপলব্ধ করে তোলে, তৃতীয় পক্ষগুলি একটি জিপিইউ ভাড়া দেওয়ার জন্য তুলনামূলকভাবে দর কষাকষির মূল্যে কয়েক ঘন্টা, দিন বা সপ্তাহের জন্য তাদের আরএল মডেলটি প্রশিক্ষণ দেয় train
   
   
3. সংখ্যার অ্যালগোরিদম বা স্মার্ট হিউরিস্টিকগুলির মধ্যে উন্নতি। আরএল অ্যালগরিদমের কয়েকটি সংখ্যক সমালোচক পদক্ষেপ এখন আরও দ্রুত গতিতে রূপান্তর করতে সক্ষম। এই যাদুতে সংখ্যাসূচক কৌশলগুলি না থাকলে আজকের সর্বাধিক শক্তিশালী কম্পিউটারগুলির সাথেও তারা এখনও সম্ভব হবে না।

বড় ভাবছে

এর সবগুলি অর্থই শিগগিরই শক্তিবৃদ্ধি শেখার নতুন শক্তিগুলি ব্র্যান্ড এবং বিপণনকারীদের জন্য স্কেল পর্যায়ে উপলব্ধ হতে চলেছে। যাইহোক, এটি আলিঙ্গন মানসিকতা একটি পরিবর্তন প্রয়োজন হবে। বিপণন পরিচালকের জন্য, এই প্রযুক্তিটির অর্থ হুইল থেকে তাদের হাত নেওয়ার ক্ষমতা।

প্রতিটি ব্যবসায়ের একটি লক্ষ্য থাকে তবে আপনি যখন খাদে গভীর থাকেন, তখন সেই লক্ষ্যের প্রতি গৃহীত প্রতিদিনের কাজগুলি অস্পষ্ট হয়ে উঠতে পারে। এখন আরএল প্রযুক্তি সিদ্ধান্ত গ্রহণকারীদের লক্ষ্য নির্ধারণের অনুমতি দেবে, এতে আরও আস্থা রয়েছে যে সিস্টেমগুলি এটির পক্ষে সর্বোত্তম পথটি পরিকল্পনা করবে।

উদাহরণস্বরূপ, বিজ্ঞাপনে, আজকাল অনেকেই বুঝতে পেরেছেন যে ক্লিক-থ্রো রেট (সিটিআর) এর মতো মেট্রিকগুলি নিছক সত্যিকারের ব্যবসায়ের ফলাফলের জন্য প্রক্সি হয়, কেবল এটি গণনাযোগ্য বলে গণনা করা হয়। আরএল-চালিত বিপণন সিস্টেমগুলি মধ্যস্থতাকারী মেট্রিকগুলি এবং তাদের সাথে যুক্ত সমস্ত ভারী উত্তোলনকে ডি-জোর দেবে, যার ফলে কর্তারা লক্ষ্যগুলিতে মনোনিবেশ করতে পারবেন।

এর জন্য ব্যবসাগুলি আরও বেশি সক্রিয় এবং দীর্ঘমেয়াদী উপায়ে তাদের বড় সমস্যাগুলি নিয়ে ভাবতে হবে। প্রযুক্তিটি পরিপক্ক হলে তারা তাদের লক্ষ্য অর্জন করবে।

দত্তক নেওয়ার পথ

শক্তিবৃদ্ধি শেখার এখনও ব্র্যান্ডগুলি দ্বারা পূর্ণ-স্কেল ব্যবহারের জন্য প্রস্তুত নয়; যাইহোক, বিপণনকারীদের এই নতুন ধারণাটি বোঝার জন্য সময় নেওয়া উচিত যা ব্র্যান্ডগুলি বিপণনের ক্ষেত্রে বিপ্লব ঘটাতে পারে এবং মেশিন লার্নিংয়ের প্রাথমিক কিছু প্রতিশ্রুতিগুলিকে ভাল করে তোলে।

শক্তি আসার পরে, এটি ব্যবহারকারীর ইন্টারফেস সহ বিপণন সফ্টওয়্যারটিতে আসবে, তবে সেই সফ্টওয়্যারটির প্রয়োজনীয় কাজগুলি মূলত সরল করা হবে। কর্মীদের জন্য, কম চলমান স্যুইচ এবং ইনপুটিং নম্বর থাকবে, পাশাপাশি অ্যানালিটিকস প্রতিবেদনগুলি কম পড়বে এবং সেগুলিতে অভিনয় করবে। ড্যাশবোর্ডের পিছনে, অ্যালগরিদম এর বেশিরভাগ অংশ পরিচালনা করবে।

আরএল গেটের ঠিক বাইরে মানব বুদ্ধিমত্তার সাথে মেলে এমনটি অসম্ভব। এর বিকাশের গতি বিপণনকারীদের প্রতিক্রিয়া এবং পরামর্শের উপর নির্ভর করবে। আমাদের অবশ্যই তা নিশ্চিত করতে হবে যে আমরা কোনও কম্পিউটারকে সঠিক সমস্যা সমাধানের জন্য বলছি, এবং যখন তা না হয় তখন এটি দণ্ডিত করে। আপনি নিজের বাচ্চাকে কীভাবে শেখাতেন, এমনটি মনে হচ্ছে না?